배양육 공정을 구축하는 경우, 대사 경로 매핑은 무엇을 먹일지, 언제 먹일지, 그리고 세포 상태가 변하기 전에 사용할 센서를 결정하는 데 도움이 됩니다.
기사를 요약하자면: 증식 및 분화하는 세포는 동일한 대사를 수행하지 않으며, 이는 영양소 섭취, 폐기물 배출, 산소 수요 및 제품 특성에 나타납니다. 이 글은 또한 두 번째 요점을 제시합니다: 풀 사이즈 대사체학만으로는 충분하지 않습니다. 탄소가 어디로 가는지 알아야 한다면, 동위원소 추적, 플럭스 분석, 그리고 실험실 데이터와 비교할 수 있는 유전체 규모 모델이 필요합니다.
기사에서 다루는 내용의 요약은 다음과 같습니다:
- 네 가지 계통: 소 위성 세포, 돼지 골격근 줄기 세포, 닭 근모세포, 그리고 중간엽 기질 세포
- 주요 경로 변화: 증식은 해당작용에 더 의존하고 ; 분화는 미토콘드리아 산화적 인산화에 더 의존합니다
- 주요 경로 그룹: 중심 탄소, 아미노산, 뉴클레오타이드, 그리고 지질
- 유용한 판독값: 젖산, 암모니아, 아미노산 흡수, 세포 내 대사물, NAD⁺/NADH 관련 상태 변화, 그리고 사용된 매체 마커
- 흐름 도구: ¹³C 추적 및 대사 흐름 분석을 통해 풀 크기와 회전율을 분리합니다
- 데이터 품질 관리: 일치하는 통과 번호, 정의된 샘플링 단계, 빠른 퀜칭, 그리고 매체 배경 보정
- 모델 계층: 게놈 규모 대사 모델, 소 모델 포함 BtaSBML2986 2024년 12월 에 발표됨
- 프로세스 사용: 배지 설계, 사료 타이밍, 배치 대 연속 배양 대 퍼퓨전 결정, 라인 선택 및 품질 관리
몇 가지 숫자가 두드러집니다.돼지 골격근 줄기 세포에서 한 연구는 94개의 세포 내 대사체, 를 보고했으며, 24개는 증식과 관련된 단계와 17개는 분화와 관련된 단계 . 로 나타났습니다. 이는 무작위 변동이 아닙니다. 이는 측정하고 사용할 수 있는 명확한 상태 변화를 가리킵니다.
이 기사를 최소 매핑 스택: 의 가이드로 사용할 것입니다.
- 소모된 배지 LC-MS로 시작하십시오.
- 세포 내 대사체학을 추가하십시오.
- 풀 데이터가 충분하지 않을 때 ¹³C-포도당 또는 ¹³C-글루타민 추적을 사용하십시오.
- 데이터를 GEM에 넣으십시오.
- 모델을 배양에서 테스트한 후 업데이트하십시오.
이것이 주요 메시지입니다.: 세포 상태에 따라 경로를 매핑하고, 종이나 배지에만 의존하지 마십시오., 그리고 데이터를 직접 사료 설계, 규모 확대, 및 품질 관리(QC)와 연결하십시오.
바이오프로세스, 세포 배양 또는 배양육 연구개발(R&D) 분야에서 일하신다면, 이 기사는 경로 생물학에서 일상적인 프로세스 결정으로 가는 명확한 경로를 제공합니다.
배양육 연구개발(R&D)을 위한 대사 경로 매핑 스택
배양육 세포주에서의 핵심 대사 경로
중앙 탄소 대사: 해당과정, TCA 회로, 산화적 인산화
증식하는 세포에서는 해당과정이 두 가지 역할을 동시에 수행합니다: ATP를 공급하고 탄소 중간체로 생합성을 지원합니다. 증식하는 세포의 크레아티닌은 빠른 크레아틴-인산 회전을 나타내며, 이는 ATP 수요를 완충하는 데 도움을 줍니다 [3].
세포가 분화를 시작하고 근관을 형성하기 시작하면, 그 대사 설정이 변화합니다. 산소 소비가 증가하고, 시토크롬 c 산화효소 활동이 증가하며, 미토콘드리아 산화적 인산화가 주요 ATP 공급원이 됩니다 [3]. 이 변화의 중심에는 TCA 회로가 있습니다. 이는 ATP 생산을 아미노산 대사와 연결하고 성장 및 근육 발생에 필요한 중간체를 제공합니다 [3]. 여기서 NAD⁺/NADH 비율은 유용한 지표입니다: 더 높은 비율은 더 활발한 산화 대사를 시사합니다 [3]. 간단히 말해, 분화는 더 높은 산소 요구량과 함께 옵니다.
이 동일한 상태 변화는 아미노산, 뉴클레오타이드, 그리고 지질 수요도 변화시킵니다.
아미노산, 뉴클레오타이드, 그리고 지질 대사
아미노산 수요는 배양 기간 동안 변화합니다. 확장 중에는 알라닌, 아스파르트산, 그리고 글루탐산 대사가 생체량 축적을 지원합니다 [3]. 분화 과정에서 D-글루타민과 D-글루탐산 대사가 더 두드러지며, 미오신과 액틴과 같은 수축성 단백질의 합성을 지원합니다 [3].
뉴클레오타이드 수요는 세포가 분열을 지원하기 위해 DNA와 RNA 합성이 필요할 때 증식 중에 가장 높습니다. 그런 다음 분화 중에 근섬유 형성을 지원하기 위해 풀들이 증가합니다 [3].
지질 대사도 변화합니다. 라이소포스파티딜에탄올아민(LysoPE)과 라이소포스파티딜콜린(LysoPC)은 분화 중에 특정적으로 검출됩니다 [3]. 이 지질들은 근원세포 융합 중 막 재구성을 지원하며, 세포가 성장에서 조직 형성으로 이동할 때 의미가 있습니다.
트립토판 대사도 두드러집니다.그의 하위 제품인 인돌락테이트는 분화 중 항산화제로 작용하며 근관 융합 중 산화 스트레스로부터 세포를 보호하는 데 도움을 줍니다 [3]. 이는 최종 제품 품질에 중요합니다. 안정적인 근관 형성이 배양육 조직의 구조적 무결성을 지원하기 때문입니다.
세포 상태와 계통에 따른 대사 차이
돼지 골격근 줄기세포의 멀티오믹스 연구에서 94개의 세포 내 대사산물이 확인되었으며, 증식에 고유한 24개의 차별적으로 풍부한 대사산물과 분화에 고유한 17개의 대사산물이 확인되었습니다 [3]. 이는 명확한 대사적 분할이며, 배경 소음이 아닙니다. 동일한 세포 유형이 단계에 따라 다른 생화학적 프로그램을 실행합니다.
일차 세포주와 불멸화된 세포주는 대사적 안정성에서 차이가 있으며, 패시지 수는 또 다른 변수를 추가합니다.돼지 근육 줄기 세포에서, passage 2는 보통 가장 높은 성장률을 보이는 반면, passage 3는 근원성 마커 유전자 발현의 현저한 감소와 함께 대사체 풍부도의 변화가 나타납니다.. 모든 passage가 대사적으로 동등하게 처리되면, 배지 설계와 공정 제어가 실제 세포 상태에서 벗어날 수 있습니다.
이러한 변화는 아래에 요약되어 있습니다 [3].
| 특징 | 증식 상태 | 분화 상태 |
|---|---|---|
| 주요 에너지 경로 | 해당과정 | 미토콘드리아 산화적 인산화 (OXPHOS) |
| 주요 아미노산 경로 | 알라닌, 아스파르트산, 글루탐산 | D-글루타민 및 D-글루탐산 |
| 단계별 대사산물 | 아미노아디픽산, 크레아티닌 | 인돌락테이트, LysoPE, LysoPC |
| 산소 수요 | 낮음 | 높음 |
증식 및 분화 상태는 각각 독특한 흡수 및 분비 패턴을 보여주므로 단일 대사 지도가 모든 과정 상태에 맞지 않습니다 [1][2]. 이 경로 서명은 대사체학 및 플럭스 분석에 사용되는 판독값을 정의합니다.
sbb-itb-ffee270
대사 경로 매핑을 위한 실험적 워크플로우
대사체학 및 사용된 배지 분석
주요 경로가 정의되면, 다음 단계는 이를 직접 측정하는 것입니다.
사용된 배지 분석은 경로 행동의 첫 번째 실질적인 판독값입니다. 신선한 배지와 사용된 배지를 비교함으로써, 세포가 어떤 영양소를 흡수하고 어떤 부산물이 축적되는지를 알 수 있습니다. 타겟 LC-MS 또는 GC-MS 워크플로우는 특히 젖산, 암모니아 및 기타 핵심 영양소를 추적할 때 효과적입니다. 이러한 판독값은 배양 수요와 스트레스에 대한 직접적인 관점을 제공합니다.
사용된 배지는 QC 마커로도 작용할 수 있습니다. 돼지 골격근 줄기 세포에서, γ-글루타밀-L-류신, 사이토신 및 케토류신은 최적 이하의 증식을 나타내는 강력한 마커였습니다 [5]. 세포 내 대사체학은 세포 내 경로 활동을 보다 직접적으로 보여줍니다. UHPLC-Q-Exactive Orbitrap 질량 분석 워크플로우를 돼지 골격근 줄기 세포에 적용하여 근원성 진행 단계 전반에 걸쳐 94개의 세포 내 대사체를 식별했습니다 [3].
풀 크기는 무엇이 있는지를 알려주고, 추적은 무엇이 움직이는지를 알려줍니다.
안정 동위원소 추적 및 대사 흐름 분석
농도 데이터만으로는 기본적인 한계가 있습니다: 그것은 대사체 풀의 크기를 알려줄 뿐, 그 풀이 얼마나 빨리 회전하는지는 알려주지 않습니다. 대사체는 매우 적은 일을 하면서 풍부해 보일 수 있고, 빠르게 순환하면서 부족해 보일 수 있습니다. 대사 흐름 분석(MFA)은 ¹³C-표지 기질, 예를 들어 포도당이나 글루타민을 사용하여 실제로 탄소가 어디로 가는지를 추적함으로써 이를 해결합니다 [6].
포도당 또는 글루타민이 에너지 생산, 생체량 형성 또는 둘 다를 지원하는지 알아야 할 때 플럭스 분석을 사용하십시오. ¹³C-표지된 포도당이 증식하는 세포에 공급되면, 라벨은 해당 분기점이 활성화된 패턴으로 해당 당분해 중간체, TCA 회로 대사물 및 하류 생합성 제품에 퍼집니다. 분화 중에는 동일한 추적자가 산화적 인산화로의 전환을 정량화할 수 있습니다. 이 차이는 배지 및 공급 전략 설계. 에 중요합니다. 아미노산이 생체량 합성 대신 에너지로 소모되고 있다면, 분화 배지의 조성이 변경되어야 합니다 [2][6].
플럭스가 풀 크기보다 중요할 때 MFA를 사용하십시오.
데이터 품질에 영향을 미치는 실험 설계 선택
두 접근 방식의 가치는 샘플이 수집되는 방식에 따라 달라집니다.
샘플링 설계는 데이터가 신뢰를 가지고 해석될 수 있는지를 결정합니다. 샘플 간에 패시지 번호가 일치해야 합니다. 돼지 골격근 줄기 세포에서는 패시지 2가 보통 최대 증식을 나타내며, 패시지 3에서는 근원성 마커 발현의 측정 가능한 손실과 낮은 증식이 나타납니다 [5]. 모든 패시지를 동일하게 취급하면 비교 분석에 체계적인 오류가 추가됩니다.
샘플은 또한 정의된 단계에서 채취해야 합니다: 초기 증식, 융합, 초기 분화, 그리고 근관 형성 [3]. 2D 배양에서는 보통 2일차에서 3일차가 수축 스트레스가 근관을 불안정하게 만들기 시작하기 전의 마지막 신뢰할 수 있는 창입니다 [3]. 스캐폴드 기반 및 3D 시스템은 그 창을 확장하며 장기적인 근육 성숙과 구조적 무결성을 연구하려면 필요합니다 [3].
세포 내 샘플에 대한 퀜칭은 매우 중요합니다. 대사 활동은 샘플링 지점에서 빠르게 중단되어야 하며, 그렇지 않으면 효소가 수확 후에도 대사체를 계속 변환하여 스냅샷을 왜곡할 수 있습니다. 배지 배경 차감도 그만큼 중요합니다. 사용된 배지는 동일한 배치의 신선한 배지와 비교하여 이미 배지에 존재했던 화합물과 진정한 세포 분비물을 구분할 수 있어야 합니다.
의사 결정 지원을 위한 계산 모델 및 데이터 통합
유전체 규모 대사 모델 및 제약 기반 분석
경로 데이터가 측정되면, GEMs는 이러한 데이터를 예측으로 전환하여 배지 및 공정 설계를 조정할 수 있습니다. 유전체 규모 대사 모델은 세포의 대사 네트워크를 매핑하기 위한 수학적 프레임워크를 제공합니다.그들은 보통 유전체 주석으로 시작하여 전사체학, 단백질체학 및 정상 상태에서 측정된 생체량 조성과 정렬될 때 개선됩니다 [1]. 배양육 세포의 경우, GEMs는 배지 선택, 병목 예측 및 조건 간 비교에 도움이 될 수 있습니다.
플럭스 균형 분석 (FBA) 및 대사 플럭스 분석 (MFA)은 종종 세포 내 플럭스를 예측하고 제한적인 배지 성분을 표시하는 데 사용됩니다 [1][6] . 이는 무혈청 배지 최적화에 직접적으로 유용하게 만듭니다 [1].
2024년 12월, KAIST와 CJ BIO 연구소의 연구원들은 최초의 소 특이적 GEM, BtaSBML2986, 을 발표했으며, 이는 2,986개의 유전자, 13,278개의 반응 및 8,652개의 대사체를 포함합니다 [4] . 모델은 여섯 가지 배양 조건에서 소 위성 세포 성장에 대해 검증되었습니다 [4]. 실질적으로, 이는 팀에게 소 세포주 선택, 배지 설계 및 조건 스크리닝을 위한 종별 일치 시작점을 제공합니다.
종별 GEM이 존재하지 않을 때, 연구자들은 종종 human1 또는 CHO GEM과 같은 기존 모델로 시작한 후 종별 주석으로 이를 정제합니다 [1][4] . 이는 합리적인 해결책입니다: 이미 존재하는 것을 사용하고, 실제로 관심 있는 생물학에 맞게 조정하는 것입니다.
대사체학, 전사체학, 단백질체학의 결합
전사체학, 단백질체학, 대사체학의 통합은 효소의 풍부함과 대사체 풀을 연결하고 단일 오믹스 데이터셋이 놓치는 병목 현상을 드러낼 수 있습니다 [1][2]. 세포 배양에서는 유전자 발현의 변화만으로 네트워크가 무엇을 하고 있는지. 알 수 없는 경우가 많습니다. 경로가 전사 수준에서 활성화된 것처럼 보일 수 있지만, 효소의 풍부함이나 대사물질의 가용성 때문에 여전히 정체될 수 있습니다.
모델 기반 배지 최적화 대 실험적 시행착오
시행착오는 기본적인 성장 지표만 필요하기 때문에 시작하기가 더 쉽습니다. 이는 초기 스크리닝에 유용합니다. 그러나 각 조건은 여전히 전체 배양 주기를 필요로 하며, 결과는 기계적이기보다는 경험적입니다 [1].
모델 기반 최적화는 초기 단계에서 더 많은 것을 요구합니다: 유전체 주석, -omics 데이터, 측정된 생체량 구성. 그러나 작동하는 GEM이 마련되면, 실험실 테스트가 시작되기 전에 수천 가지의 조합을 컴퓨터 시뮬레이션으로 스크리닝할 수 있습니다 [1][2] . 그것은 개발 속도를 상당히 변화시킵니다, 특히 무혈청 배지 공간이 빠르게 커질 때.
| 특징 | 모델 기반 최적화 | 실험적 시행착오 |
|---|---|---|
| 속도 | 높음 - in silico 수천 가지 조성물의 스크리닝 | 낮음 - 세포 배가 시간과 실험실 용량에 의해 제한됨 |
| 데이터 요구사항 | 높음 - 유전체 주석 및 -omics 데이터 필요 | 낮음 - 기본적인 성장 및 수율 지표만 필요 |
| 배양육에 적합 | 복잡한 무혈청 배지 및 덜 연구된 종에 이상적 | 초기 스크리닝 또는 소규모 조정에 더 적합 |
실제로 모델은 습식 실험실 검증 전에 설계 공간을 좁혀야 합니다.모델 예측은 실험 공간을 줄일 수 있으며, 그 후 실험실 데이터를 사용하여 모델을 정제하고 재검증할 수 있습니다 [1]. 간단한 워크플로우가 종종 가장 좋은 방법입니다: in silico 스크리닝을 사용하여 조건을 선별하고, 이를 배양에서 테스트한 후 결과를 모델에 다시 반영합니다. 모델, 테스트, 업데이트, 반복.
IGF1은 무혈청 배지에서 배양육의 증식을 촉진합니다
경로 지도를 세포주, 생물공정 및 제품 특성화에 적용하기
경로 지도와 모델이 마련되면, 작업은 설명에서 생물공정 제어. 로 전환됩니다. 동일한 데이터 세트는 팀이 더 나은 성능의 세포주를 선택하고, 배양 단계에 따라 공급을 조정하며, 수율이나 표현형에 나타나기 전에 드리프트를 잡아내는 QC 마커를 설정하는 데 도움을 줄 수 있습니다.
경로 데이터를 통한 세포주 공학 및 선택 목표
경로 데이터는 세포주 선택을 시행착오가 아닌 기계적 연습으로 전환합니다. 후보 라인을 비교할 때 가장 유용한 특성은 젖산 및 암모니아 출력 속도, 아미노산 소비 프로필, 그리고 세포가 증식에서 분화로 얼마나 깔끔하게 이동하는지입니다. 그 전환을 깔끔하게 완료하는 라인은 중간에 멈추는 라인보다 더 강력한 생산 후보입니다.
통과 횟수도 중요합니다. 2024년 4월에 Food Research International, 에 발표된 연구에서 서울대학교 연구원들은 돼지 근육 줄기 세포에서 통과 3에서만 변화하는 세 가지 사용된 매체 바이오마커 - γ-글루타밀-L-류신, 사이토신, 케토류신 - 를 확인했으며, 이는 근원성 유전자 발현의 상당한 손실과 일치했습니다. 사용된 매체의 일상적인 LC-MS는 비최적 배치를 조기에 식별할 수 있습니다.
생물반응기 운영, 규모 확대 및 배양 모드 선택
세포주를 순위 매기는 데 사용되는 동일한 판독값은 생물반응기 배양을 위해 세포주를 확장하는 방법을 결정하는 데에도 도움이 됩니다 . 세포가 분화 중 해당과정에서 산화적 인산화로 이동함에 따라, 공급 전략은 배양 단계에 맞춰 조정되어야 합니다 [3]. 배치 모드는 주요 영양소 고갈 속도를 식별하기 위한 깨끗한 기준선을 제공합니다. Fed-batch와 퍼퓨전은 젖산과 암모니아가 축적되기 시작할 때 대사 상태에 맞춰 공급 입력을 조정할 수 있게 합니다.
| 형식 / 모드 | 대사 조절 관점 | 데이터 해석 도전 |
|---|---|---|
| 2D 배양 | 높은 영양소 접근성; 제한된 구조적 충실도 | 3D 대사 구배를 반영하지 않음 |
| 마이크로캐리어 | 높은 표면적 대 부피 비율; 구배 위험 | 국부적 고갈을 모니터링하기 위해 사용된 배지 분석 필요[1] |
| 스캐폴드 | 3D 구조 모방; 복잡한 확산 역학 | 세포 내 대사물질 추출이 어려움; GEM 예측에 의존[1] |
| 배치 | 단순함; 영양소 고갈, 젖산 및 암모니아 축적 | 주요 영양소 고갈 속도 식별을 위한 기준 |
| Fed-batch / Perfusion | 포도당/젖산 흐름의 정밀한 제어 가능 | 소비와 공급 속도를 균형 있게 맞추기 위해 실시간 MFA 필요 |
대규모에서는 하나의 용기가 하나의 균일한 환경처럼 작동하는 경우는 드뭅니다.영양소 구배는 바이오리액터 전반에 걸쳐 다양한 대사 구역을 만듭니다. GEMs는 다양한 지역 조건에서 플럭스가 어떻게 변화하는지를 모델링하고, 공정 데이터에 나타나기 전에 영양소 제한이 나타날 가능성이 있는 위치를 지적할 수 있습니다. 이는 모델 출력이 직접적으로 공급 전략, 산소 수요 및 폐기물 제어에 유용하게 만듭니다.
결론: 배양육을 위한 최소 경로 매핑 스택 R&D
이러한 판독값은 배양육을 위한 최소 제어 스택을 형성합니다 R&D.
중앙 경로 가설로 시작: 해당작용, TCA 회로, 아미노산 소비. 그런 다음 표준 LC-MS로 사용된 배지 데이터셋을 구축합니다. 탄소원이 TCA 회로에 들어가는지, 또는 글루타민이 산화적 또는 환원적으로 소비되는지를 확인해야 할 때 안정 동위원소 추적을 추가합니다.그 후, 젬(GEM)을 계층화하여, 예를 들어 소 세포에 대한 BtaSBML2986을 사용하여 [4], 습식 실험실 검증이 시작되기 전에 매체 설계 공간을 좁힙니다.
중요한 점은 결과를 모델에 계속 피드백하고, 가정을 업데이트하며, 각 데이터 라운드가 다음 선택 세트를 날카롭게 하도록 하는 것입니다. 세포주 선택, 공급 전략 및 품질 평가와 별도로 유지되는 매핑 프로그램은 흥미로운 데이터 세트를 생성할 수 있지만, 생산에는 거의 도움이 되지 않습니다.
자주 묻는 질문
왜 풀 사이즈 대사체학만으로는 충분하지 않나요?
풀 사이즈 대사체학은 정상 상태의 대사체 농도를 측정합니다. 이는 세포의 정적 스냅샷을 제공할 뿐, 플럭스 - 실제로 대사 반응이 진행되는 속도에 대한 판독값을 제공하지 않는다는 것을 의미합니다.
배양육 연구개발(R&D)에서는 이러한 제한이 중요합니다.농도 지도만으로는 대사 병목 현상이 어디에 있는지, 특정 영양소가 성장과 분화를 어떻게 지원하는지 알 수 없습니다. 이러한 질문에 답하려면 대사 흐름 분석과 같은 동적 방법이 필요합니다.
팀은 언제 13C 추적을 사용해야 합니까?
팀은 13C-대사 흐름 분석 (MFA)을 사용하여 생산 효율성을 저해하고 배양육의 가격 동등성에 대한 진전을 늦추는 대사 병목 현상을 정확히 찾아 수정해야 할 때 사용해야 합니다.
시스템 생물학 및 게놈 규모 대사 모델은 배지 최적화에 도움이 될 수 있습니다. 그러나 13C-MFA는 대부분의 관련 종에서 여전히 부족한 분야이며, 현재까지 제한된 세포 유형에서만 사용되었습니다.
경로 지도가 사료 설계를 어떻게 개선합니까?
유전체 규모 대사 모델에서 구축된 경로 지도는 연구자들이 세포가 배양육 생산 중 매체에서 필요한 것, 대사가 어디서 느려지기 시작하는지, 에너지가 어떻게 소비되는지를 정확히 파악하는 데 도움을 줍니다.
이 지도를 플럭스 균형 분석과 결합하면 훨씬 더 유용해집니다. 이는 증식 및 분화와 같은 단계에 대한 보다 목표 지향적인 배양 매체 설계를 안내할 수 있습니다. 이는 팀이 생체량 축적을 개선하고, 생산을 보다 효율적으로 운영하며, 최종 영양 및 감각 품질을 보다 제어할 수 있도록 돕습니다.
